| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题的研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状与分析 | 第9-12页 |
| 1.3 本文的研究内容与组织结构 | 第12-14页 |
| 第2章 系统框架及相关医学知识介绍 | 第14-21页 |
| 2.1 CT 图像概述 | 第14-16页 |
| 2.1.1 CT 成像的基本原理 | 第14-15页 |
| 2.1.2 CT 成像的特点 | 第15-16页 |
| 2.2 肺结节简介 | 第16-18页 |
| 2.3 肺部肿瘤检测系统框架 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 基于肺轮廓提取的肺实质分割 | 第21-31页 |
| 3.1 基于最优阈值的肺分割 | 第21-25页 |
| 3.1.1 形态学去噪 | 第22-23页 |
| 3.1.2 最优阈值分割 | 第23-25页 |
| 3.2 肺部边界修复 | 第25-29页 |
| 3.2.1 非自适应边界匹配修复 | 第25-27页 |
| 3.2.2 自适应边界匹配修复 | 第27-29页 |
| 3.3 肺实质分割 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 多种方法结合的候选结节检测 | 第31-39页 |
| 4.1 种子区域增长算法 | 第31-32页 |
| 4.2 基于环形滤波器的候选结节检测 | 第32-36页 |
| 4.2.1 环形滤波器提取种子 | 第32-34页 |
| 4.2.2 种子区域增长分割候选结节 | 第34-35页 |
| 4.2.3 环形滤波器候选结节检测效果分析 | 第35-36页 |
| 4.3 基于灰度阈值的候选结节检测 | 第36-38页 |
| 4.3.1 基于灰度阈值提取种子结点 | 第36-37页 |
| 4.3.2 区域生长提取候选结节及检测结果分析 | 第37-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第5章 特征提取与假阳性候选消除 | 第39-47页 |
| 5.1 特征提取 | 第39-41页 |
| 5.2 基于规则的假阳性候选消除 | 第41-46页 |
| 5.2.1 环形滤波器检测候选假阳性消除 | 第42-44页 |
| 5.2.2 基于阈值方法检测候选的假阳性消除 | 第44-46页 |
| 5.3 本章小结 | 第46-47页 |
| 第6章 基于 FMCN 分类器的候选结节诊断 | 第47-61页 |
| 6.1 带补偿元的模糊超盒神经网络 | 第47-55页 |
| 6.1.1 FMCN 的结构概述 | 第47-52页 |
| 6.1.2 FMCN 的学习过程 | 第52-55页 |
| 6.2 结合 K 均值聚类与模糊超盒神经网络的分类器 | 第55-56页 |
| 6.3 实验结果与分析 | 第56-60页 |
| 6.4 本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第66-68页 |
| 致谢 | 第68页 |